Портал психологических изданий PsyJournals.ru
Каталог изданий 94Рубрики 51Авторы 8279Ключевые слова 20372 Online-сборники 1 АвторамRSS RSS

Экспериментальная психология в России: традиции и перспективы

ISBN: 978-5-9270-0196-5

Издатель: Издательство «Институт психологии РАН»

Год издания: 2010

 

Конфирматорный факторный анализ результатов вейвлет-преобразований данных мониторинга 953

Мармалюк П.А., кандидат технических наук, заведующий лабораторией математической психологии и прикладного программного обеспечения, ФГБОУ ВО МГППУ, Москва, Россия, ykk.mail@gmail.com

Аннотация

Представлен новый метод, позволяющий проводить анализ результатов лонгитюдных исследований или данных мониторинга и выявлять факторы, влияющие на наблюдаемые характеристики, определять наличие и значимость связей между выявленными факторами, оценивать степень адекватности прикладных факторных моделей, используя статистические критерии согласия, а также новый критерий, позволяющий снять с результатов наблюдений ограничения, связанные с их вероятностным распределением.

Ссылка для цитирования

Фрагмент статьи

Разработан новый подход (Куравский, Мармалюк, Баранов, Абрамочкина, Петрова, 2009; Куравский, Мармалюк, Абрамочкина, Петрова, 2009; Kuravsky et al., 2008), опирающийся на возможности вейвлет-преобразований и идентифицируемых факторных структур, который позволяет проводить конфирматорный фак торный анализ результатов лонгитюдных исследований или данных мониторинга.

Предлагаемый вариант конфирматорного факторного анализа позволяет на ходить единственное оптимальное решение задачи идентификации свободных параметров факторной модели прямым (неитерационным) методом. Процедура анализа включает в себя следующие этапы:

– преобразование исходных данных с помощью дискретного вейвлет-преобразования, позволяющего сократить размерность анализируемых временных рядов наблюдаемых характеристик с минимальными потерями полезной эмпирической информации;

– составление переопределенной системы алгебраических уравнений, выражая выборочные дисперсии и ковариации через аналогичные факторные показатели, используя модель дисперсионных составляющих;

– выявление и устранение зависимых свободных параметров модели, которые обуславливают вырожденность матрицы системы;

– решение полученной системы прямым (неитерационным) методом;

– проверку адекватности полученной модели наблюдениям, с опорой на статистические критерии согласия или на новый критерий адекватности, использующий возможности самоорганизующихся карт признаков Кохонена;

– построение заключений о статистической значимости различных компонентов прикладной модели;

– оценка факторных влияний на изменчивость наблюдаемых характеристик и показателей факторного взаимодействия (ковариации или корреляции между факторами).

Литература
  1. Галушкин А. И. Теория нейронных сетей: Учеб. пособие. М.: ИПРЖР, 2000.
  2. Королюк В. С., Портенко Н. И., Скороход А. В., Турбин А. Ф. Справочник по теории вероятностей и математической статистике. М.: Наука, 1985. Куравский Л. С.,
  3. Мармалюк П. А., Баранов С. Н., Абрамочкина В. И., Петрова Е. А. Факторный анализ результатов вейвлет-преобразований лонгитюдных данных как новый метод исследования динамических характеристик сложных систем // Нейрокомпьютеры: разработка и применение. 2009. № 9. С. 5–19.
  4. Куравский Л. С., Мармалюк П. А., Абрамочкина В. И., Петрова Е. А. Применение факторного анализа результатов вейвлет-преобразований для исследования динамики психологических характеристик // Экспериментальная психология. 2009. Т. 2. № 1. С. 97–111.
  5. Куравский Л. С., Мармалюк П. А., Абрамочкина В. И., Петрова Е. А. Применение факторного анализа результатов вейвлет-преобразований для исследования динамики психологических характеристик // Экспериментальная психология. 2009. Т. 2. № 1. С. 97–111.
  6. Куравский Л. С., Юревич А. В., Мармалюк П. А., Иванова Е. Г. Факторный анализ показателей нравственного состояния общества в европейских странах // Психологическая наука и образование. 2010. № 1.
  7. Мармалюк П. А. Оценка степени адекватности факторных моделей c помощью самоорганизующихся карт признаков Кохонена // Нейрокомпьютеры: разработка и применение. 2010. № 10 (в печати).
  8. Мармалюк П. А., Федулов Ю. Г., Куравский Л. С., Юсов А. Б. Применение факторных моделей для определения весовых коэффициентов в когнитивных картах на основе экспертных оценок // Сборник тезисов конференции «Ситуационные центры 2010». М.: РАГС, 2010.
  9. Bollen K. A. Structural equations with latent variables. New York: John Wiley, 1989.
  10. Kuravsky L.S. and Baranov S.N. Development of the wavelet-based confirmatory factor analysis for monitoring of system factors // Proc. 5th International Conference on Condition Monitoring & Machinery Failure Prevention Technologies. Edinburgh, United Kingdom. July 2008. Р. 818–834.
  11. Kuravsky L. S., Baranov S. N. and Baranov N. I. Wavelet-based confirmatory factor analysis for monitoring of system factors: estimating goodness-of-fit measures with the aid of self-organizing feature maps // Proc. 6th International Conference on Condition Monitoring & Machinery Failure Prevention Technologies. Dublin, Ireland. June 2009. Р. 224–245.
  12. Neale M. C., Cardon L. R. Methodology for genetic studies of twins and families // Dordrecht, the Netherlands. Kluwer Academic Publishers, 1992.
Статьи по теме
 
О проекте PsyJournals.ru

© 1997–2019 Портал психологических изданий PsyJournals.ru  Все права защищены

Свидетельство регистрации СМИ Эл № ФС77-66447 от 14 июля 2016 г.

Издатель: ФГБОУ ВО МГППУ

Creative Commons License

Яндекс.Метрика